帮助中心帮助中心
到高斯混合分量的马氏距离
d2 = mahal(gm,X)
例子
d2=泰姬陵(通用汽车,X)返回每个观察到的马氏距离的平方X中的每个高斯混合分量通用汽车.
d2=泰姬陵(通用汽车,X)
d2
通用汽车
X
全部折叠
生成遵循两个二元高斯分布的混合的随机变量mvnrnd函数。对生成的数据拟合高斯混合模型(GMM)fitgmdist函数,然后计算生成的数据与拟合的GMM混合分量之间的马氏距离。
mvnrnd
fitgmdist
定义两个二元高斯混合分量的分布参数(均值和协方差)。
rng (“默认”)%用于再现性Mu1 = [1 2];第一个分量的均值Sigma1 = [2 0;0。5);第一个分量的协方差%Mu2 = [-3 -5];%第二分量的均值Sigma2 = [10 0;0 1];第二分量的协方差%
从每个组件中生成相等数量的随机变量,并将两组随机变量组合在一起。
R1 = mvnrnd(mu1,sigma1,1000);R2 = mvnrnd(mu2,sigma2,1000);X = [r1;r2);
组合数据集X包含随机变量,遵循两个二元高斯分布的混合。
适合一个双分量GMMX.
gm = fitgmdist(X,2)
gm =二维2组分高斯混合分布组件1:混合比例:0.500000均值:-2.9617 -4.9727组件2:混合比例:0.500000均值:0.9539 2.0261
fitgmdist适合一个GMMX使用两种混合成分。的方法组件1而且组件2是[-2.9617, -4.9727]而且[0.9539, 2.0261],这是接近mu2而且mu1,分别。
组件
1
2
[-2.9617, -4.9727]
[0.9539, 2.0261]
mu2
mu1
计算中每个点的马氏距离X的每个组成部分通用汽车.
d2 = mahal(gm,X);
情节X通过使用散射并使用标记颜色来可视化马氏距离组件1.
散射
散射(X (: 1) X (:, 2), 10, d2 (: 1),“。”)%大小为10的点的散点图C = colorbar;ylabel (c,到分量1的马氏距离)
gmdistribution
高斯混合分布,又称高斯混合模型(GMM),用a表示gmdistribution对象。
您可以创建gmdistribution对象使用gmdistribution或fitgmdist.使用gmdistribution函数创建gmdistribution对象来指定分布参数。使用fitgmdist函数拟合gmdistribution对给定固定数量的组件的数据进行建模。
数据,指定为n——- - - - - -米数字矩阵,n观察的次数和米是每次观察中变量的数量。
如果一排X包含nan,然后泰姬陵将行从计算中排除。中对应的值d2是南.
nan
泰姬陵
南
数据类型:单|双
单
双
的马氏距离的平方X中的每个高斯混合分量通用汽车,作为n——- - - - - -k数字矩阵,n观察的数量在吗X而且k混合成分的数量是多少通用汽车.
d2 (i, j)是观测距离的平方吗我到j第th高斯混合分量。
d2 (i, j)
我
j
马氏距离是样本点和分布之间的度量。
到向量的马氏距离x有均值的分布μ和协方差Σ是
d = ( x − μ ) ∑ − 1 ( x − μ ) ' .
这个距离表示距离x是来自于标准差数的均值。
泰姬陵返回马氏距离的平方d2根据一项观察X将混合成分加入通用汽车.
在R2007b中引入
gmdistribution|集群|后|泰姬陵|fitgmdist
集群
后
您有这个示例的修改版本。要使用编辑打开此示例吗?
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您所在的位置,我们建议您选择:.
您也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系当地办事处